Проектирование финансовых продуктов на основе выбора стратегии поведения генерирующих компаний на рынке электрической энергии
Ю.
А. АнисимоваБиблиографическое описание статьи для цитирования:
Анисимова
Ю.
А. Проектирование финансовых продуктов на основе выбора стратегии поведения генерирующих компаний на рынке электрической энергии // Научно-методический электронный журнал «Концепт». –
2014. – Т. 20. – С.
3516–3520. – URL:
http://e-koncept.ru/2014/54967.htm.
Аннотация. В статье рассматривается возможность проектирования финансовых продуктов на основе применения теории игр в конкурентном секторе оптового рынка электроэнергии и мощности – на «рынке на сутки вперед». Определяющим критерием для выбора является прибыль генерирующей компании.
Ключевые слова:
рынок электроэнергии, теория игр, финансовые продукты, регулирование рынка электроэнергии
Текст статьи
АнисимоваЮлия Алексеевна,
кандидат экономических наук, доцент кафедры «Финансы и кредит»ФГБОУ ВПО «Тольяттинский государственный университет», г. Тольятти U.Anisimova@tltsu.ru
Проектирование финансовых продуктов на основе выбора стратегии поведения генерирующих компаний на рынке электрической энергии
Аннотация:Встатьерассматривается возможность проектирования финансовых продуктов на основе применение теории игрв конкурентном секторе оптового рынка электроэнергии и мощности–на «рынке на сутки вперед». Определяющим критерием для выбора является прибыль генерирующей компании.Ключевые слова:рынок электроэнергии,теория игр, финансовые продукты, регулирование рынка электроэнергии.
В современных условиях мировая энергетика характеризуется обострением противоречий между основными участниками на международных энергетических рынках. Практика взаимодействий между производителями и потребителями энергоресурсов, сложившаяся в последней четверти XX века, уходитв прошлое.Научные исследования конца ХХ века демонстрируют значимость вопросов формирования стратегийгенерирующих компаний на рынках электроэнергии. Первые исследования моделирования рынка, проводимые Э. Чемберленом [1], отразили новую модель ценообразования в условиях небольшого числа продавцов. В дальнейшем различные модели поведения продавцов на товарных рынках были рассмотрены в трудах Джоан Робинсон [2], Джона фон Неймана и Оскара Моргенштерна [3]. В работе «Powersystemeconomics: designingmarketsforelectricity» Стивен Стофт [4] проводит исследования ценообразования, волантильности цен и маржинальных затрат на рынке электрической энергии. Среди зарубежных исследователей, применяющими теорию игр,следует отметить Д. Чаттопадхиай, Х. Сонг, Ж. Лаварре, П. Талацек. В своих исследованиях они используют теорию игр, статистику, генетические алгоритмы, цепи Маркова [3].В России также существует множество научных работ, посвященных исследуемой проблеме. Формирование стратегии на основе теории игр представлено в работе Д.А. Уланова, В.П. Жукова, Е.В. Барочкина, Г.В. Ледуховского [4].
В большинстве случаев генерирующие компании, определяя ту или иную стратегиюна рынке электроэнергии, не могут точно прогнозировать действия своих конкурентов. Соответственно следует учитывать несовпадение интересов генерирующих компаний и их возможное при этом поведение, так как исход ситуации в таком случае будет зависеть от взаимного влияния интересов участников. Принимая во внимание, что интересами участников является получение максимальной экономической выгоды. Для генерирующих компаний ориентиром является прибыль от реализации выработанной электрической энергии. Экономической выгодой для потребителей на оптовом рынке становится снижение затрат на приобретение необходимого количества энергии и снижение риска волантильности цен. Для энергоброкеров –максимальный доход по вариационной марже. [5]На оптовом рынке электроэнергии и мощности (ОРЭМ)инструментом для выбора наилучшей стратегии генерирующей компании и участников в условиях полной неопределенностиможет стать теория игр. В настоящее время вопросы
построения моделей, применительно к рынку электрической энергии, рассматриваются в работах Лисина Е.М. [6].Основополагающим предположением, которое играет ключевую роль в теорииигр, является рациональное поведение всех игроков [7]. Данное предположение означает,что каждый игрок при выборе своего поведения руководствуетсянекоторым алгоритмом действия, позволяющим максимизировать его индивидуальную функцию полезности. Не менее существенным является факт общеизвестности (общего знания) рациональности игроков[8].Взаимоотношения между продавцами электроэнергии могут быть описаны на основе двух основных направлений теории игр: некооперативной и кооперативной.Первый подход основан на ожиданиях участников рынка электрической энергии, как будут действовать остальные участники. Кооперативная теория, с другой стороны, изучает результаты, которые мы ожидаем[6].Рассмотрим формирование моделей игр на рынке электрической энергии.
Исходными условиями принимаем, что спрос на электроэнергию неэластичен и, следовательно, ценовыми заявками покупателей при формировании ценового предложения можно пренебречь. Под«игрой» будем понимать порядок отбора ценовых заявок администратором торговой системы (АТС).На российском рынке электроэнергии применяется узловая модель, при которой расчетная модель хаба определяет ценовой индикатор. Индексы средней цены в узловой модели не позволяют достичь полного хеджа –закрытия позиций.Отсутствиерегулируемых договоров (РД) и свободных двухсторонних договоров (СДД). Генерирующие компании,как поставщики электрической энергии, вынуждены принимать решения, в условиях противодействия другой стороне, которая может преследовать противоположные или иные цели. Причемэто противодействие противоположной стороны может носить пассивный или активный характер. В случае на оптовом рынке электрической энергии (ОРЭМ)нельзя утверждать, что генерирующие компании, преследующие свои собственные цели, сознательно противодействуютдостижению целей друг друга. С другой стороны, противгенерирующей компании могут выступать неопределенные факторы внешней среды, которые в теории игр называются «природой»–это неактивная сторона, которая явно не противодействует достижению намеченных генерирующей компанией целей. В этом случае генерирующая компания принимает решение, а «природа» не оказывает ей сознательного, агрессивного противодействия, но ее реальное поведение неизвестно. На ОРЭМ для приведения игры к парному виду всех участников игры (в данном случае генерирующие компаниии оптовых покупателей) можно условно разбить на две группы: Генерацию А (группа генерирующих компаний)и Покупатель В (оптовые покупатели). В таком случае на ОРЭМ возможны следующие модели игр (рис. 1).
Рисунок 1–Моделиигр генерирующих компаний на ОРЭМСитуации, когда между сторонами отсутствует «антагонизм», можно представить в виде игры с «природой». На ОРЭМв качестве «природы», не оказывающей агрессивного противодействия, могут выступать: колебания спроса; неясность погодных условий; ремонтные режимы станций; сезонность; регулирование со стороны Правительства, Системного оператора,Коммерческого оператора, Федеральной антимонопольной службы (ФАС);конкурентная среда и т.д. Зависимость выигрыша Генерации Аот степени регулирования можно представить в виде матрицы,элементами которой будут выступать выигрыши Генерации А, соответствующие iой стратегии при jом состоянии «природы».В качестве «природы» можно также рассмотреть действия конкурентов, приняв допущение о том, что выбирая стратегию, они не думают о поведении других участников игры.Выбор оптимальной стратегии игры с «природой» может быть произведен с использованием следующих классических критериев:1.Критерий крайнего пессимизма Вальда ориентирует игрока (генерирующую компанию) на наихудшие для него условия «природы» и, следовательно, на осторожное поведение при выборе стратегии. Данный критерий приемлем в тех случаях, когда игрок не столько хочет выиграть, сколько не хочет проиграть, получив следующий выигрыш:2. Максимаксный критерий, выступающий противоположным по смыслу критерию Вальда, является критерием крайнего оптимизма, поскольку ориентирует игрока (генерирующую компанию) на наилучшие условия «природы». Критерием учитывается, когда перед игроком стоит дилемма –либополучить наибольший выигрыш, либо стать банкротом.Функция выигрыша Генерации Аможно представитьследующим образом:
,(1)
ПокупательВМодель игры №1
«Игра с природой»Компания 1Компания n…Генерация А12Социальноэкономические, природноклиматические, административные факторыМодель игры №2«Биматричные игры»
где L–дневная прибыль; –равновесная цена на jый час суток; , –соответствующие значения цены и объема ценовой заявки в отношении генерирующего оборудования iрассматриваемой генерирующей компании на соответствующий jый час суток, g–количество единиц оборудования данной компании.Для биматричной игры на основе матриц игроков можно построить общую матрицу размером 4×4,элементами которой будут являться пары чисел: выигрыш первого игрока и выигрышвторого игрока .Выигрыши игроков соответствуют одновременно применяемым ими стратегиям.Функцию выигрыша ПокупателяВможно записать следующим образом:
,(2)
где
значения цены заявки в отношении генерирующего оборудования iгенерирующей компании kна соответствующий jый час суток;
–значения объема заявки в отношении генерирующего оборудования iгенерирующей компании kна соответствующий jый час суток, g–количество единиц оборудования игрока k;
r–количество генерирующих компаний в составе ГенерацииВ.Выделим два подхода к решению биматричных игр:1. Поиск равновесных ситуаций –определяютсяусловия, при которых возможно равновесие по Нэшу. Биматричная игра всегда имеет как минимум одну точку равновесия по Нэшу. При этом возможны следующие варианты:а) единственное равновесие по Нэшу в чистых стратегиях;б) единственное равновесиепо Нэшу в смешанных стратегиях;в) три равновесия по Нэшу –два в чистыхи одно в смешанных стратегиях;г) два равновесия по Нэшу в чистых стратегиях;д) континуум равновесий по Нэшу в смешанных стратегиях.2. Поиск ситуаций, оптимальных по Парето –находятся условия, при которых игроки совместными усилиями не могут увеличить выигрыш одного игрока, не уменьшив при этом выигрыш другого.Найти решение биматричной игры можно с помощью алгоритма Лемке–Хоусона.Необходимо учесть ограничения для применения стратегий, которые могут быть ограничены действующим законодательством и правилами торговли на рынке «на сутки вперед» (РСВ), налагаемыми различными регулирующими органами.В качестве регулирующих органов могут выступать ФАС, ФСТ, ОАО «АТС», и т.д.[8, 9]Внастоящее время на законодательном уровне действия генерирующих компаний могут повлечь за собой наступление как административной, так и уголовной ответственности. В результате выбора оптимальной стратегии участников ОРЭМ осуществляется выборфинансового инструмента на рынке на сутки вперед.[10]Следует ввести исходными условиядля проектирования финансового инструмента:1.Период исполнения Тисп.–календарный месяц.2.Часы поставки t–базовые или пиковые часы.3.Количество часов поставки .4.Объем поставки Vэ.5.Цена заключения контракта Pэ.
На основании исходных данных рассчитывают объем контракта () и его стоимость (). Фьючерсные контракты наиболее часто используютсякак финансовый инструмент на ОРЭМ с различными периодами исполнения и в совокупности узлов. Поскольку фьючерсные контракты изначально были предназначены для хеджирования рисков производителей и потребителей товаров, целесообразно рассмотреть применение в теории игр. Определение расчетной цены на фьючерсный контракт является основанием для расчетов вариационной маржи, установление границ колебания цены и размера страховых взносов. Значение, принимаемое как расчетная цена, соответствует цене на конец торговой сессии.В таблице 1приведен алгоритм определения расчетной цены фьючерсного контрактаисходе из рассматриваемых стратегий поведения участников рынка.Таблица 1
Сценарии определения расчетной цены фьючерсного контракта
Сценарий 1Сценарий 2Сценарий 3Условие Наличие активныхзаявок на покупку и продажу в узловой модели позволяет принять усредненное значение между ценами.Наличие активных заявок на покупку в узловой модели на момент окончания с большей (меньшей) ценой по отношению к предыдущей, позволяет принять цену данной заявки.Наличие активных заявок на продажу в узловой модели на момент окончания с большей (меньшей) ценой по отношению к предыдущей, позволяет принять цену данной заявки.
Окно заявок
ПродажаЦенаПокупкаПродажаЦенаПокупкаПродажаЦенаПокупка240741
240741
30740
30740
738100
738100
732200
732200
723900
723900
7001000
7001000
Расчетная ценаЦена на покупку –738 руб.Цена на продажу –740 руб.Усредненная цена –
руб.Предыдущая расчетная цена 732 руб. Активные заявки на продажу отсутствуют. Лучшая цена заявки на покупку 738 руб., т.е. выше предыдущей расчетной цены в 732 руб.Расчетная цена будет равна 738 руб.Предыдущая расчетная цена 740 руб. Активные заявки на покупку отсутствуют. Лучшая цена заявки на продажу 741 руб., т.е. выше предыдущей расчетной цены в 740 руб.Расчетная цена будет равна 741 руб.
В случае отсутствия активных заявок на покупку принимается предыдущая расчетная цена. Предположим, что в первом сценарии расчетная цена принимается как среднеарифметическое, во втором итретьем –цена равна цене лучшей активной заявки. По результатамвсех торговых дней определяется конечная расчетная цена рассматриваемого периода исполнения контракта. Определение конечной pрасчетной цены основано наобязательствах по расчетам. Принимая во внимание различные условия определения расчетной цены фьючерсного контракта: Расчетная цена .Значение конечной расчетной цены является основанием для определения гарантийного обеспечения и вариационной маржи по фьючерсным контрактам.Рассмотрим игру с «природой» для компании гененрирующей компании ОГК 7, где в качестве «природы» рассмотрим регулирование со стороны ФАС.ФАС занимается антимонопольным регулированием и выявлением фактов злоупотребления на рынке своим экономическим положением. Манипулирование
ценами на электрическую энергию может происходить путем совершения экономически и (или) технологически необоснованных действий, в том числе с использованием участниками исключительного (в том числе временного) положения на оптовом рынке (отдельных ценовых зонах оптового рынка), которые приводят к значительному изменению цен (цены) на электрическую энергию [8]. Как правило, манипулирование выражается в подаче участником завышенных (заниженных) цен в ценовых заявках или в уводе мощностей с рынка и создании искусственного дефицита. В настоящее время ФАС проводитпроверки соответствия ценовых заявок на продажу электроэнергии (мощности) требованию экономической обоснованности.Кодекс Российской Федерации об административных правонарушениях (КоАП РФ) предусматривает следующие санкции за злоупотребление доминирующим положением для субъектов естественной монополии.Игра с «природой» для ОГК7представлена в таблице 2, где Стратегия 1 –маржинальная стратегия; Стратегия 2 –финансовое изъятие; Стратегия 3 –физическое изъятие; Стратегия 4 –совместное физическое и финансовое изъятие.[10]Как можно заметить, регулирование со стороны ФАС выражается в виде снижения прибыли в результате наложения санкций за манипулирование ценамив результате совместных действий. Причем величина штрафа варьируется от 500 тыс. руб. до 1 млн. руб.Расчет дневной прибыли был произведен при допущении, что все прочие компании следуют маржинальной стратегии.Таблица 2Дневная прибыль ОГК7 при игре с «природой», млн. руб.
Игроки
«Природа»СтратегииНизкая степень регулированияСредняя степень РегулированияВысокая степень РегулированияОГК 7Стратегия 110.710.710.7Стратегия 210.710.710.7Стратегия 311.1210.6210.12Стратегия 411.1210.4210.12
Как можно заметить, в случае применения критерия крайнего пессимизма (критерий Вальда)наилучшей стратегией следует считать Стратегию 1, а в случае применения критерия крайнего оптимизма наилучшей стратегией следует –Стратегию 3.Выводы.В статье приведен анализ возможности применения теории игрв конкурентном секторе оптового рынка электроэнергии и мощности для разработки алгоритма выбора наилучшей стратегии генерирующей компании, позволяющий учесть возможные последствия реакции регулирующих организаций. В качестве критерия эффективности выбора наилучшей стратегии выступает дневная прибыль генерирующей компании.
Предложены сценарии проектирования финансового продукта на основе фьючерсного контрактас дальнейшей разработкой наилучшей стратегии ценообразования.Рассматривается применение игры с «природой» для компании ОГК7, осуществляющей свою хозяйственную деятельность на территории операционной
зоны ОДУ Поволжье, где в качестве «природы» исследуется регулирование со стороны ФАС. ФАС проводитпроверки соответствия ценовых заявок на продажу электроэнергии (мощности) требованию экономической обоснованности.Результаты данного исследования позволят генерирующим компаниям оценить возможный эффектот применения стратегий финансового и физического изъятия с учетом возможной реакции регулирующих органов на их действия.
Ссылки на источники1.Чемберлин Э. Теория монополистической конкуренции (Реориентация теории стоимости) / пер. с англ. Э. Г. Лейкина иЛ. Я. Розовского. –М.: Экономика, 1996. –351 с.2.Джоан Робинсон. Экономическая теория несовершенной конкуренции. М.: Прогресс, 19863.Филатов С.А. Модели и методы формирования оптимальных стратегий поведения генерирующих компаний на оптовом рынке электрической энергии: дис. канд. экон. наук. –СанктПетербург, 20054.Уланов Д.А., Жуков В.П., Барочкин E.В., Ледуховский Г.В. Оптимальная стратегия генерации электрической энергии на ТЭС // Вестник Ивановского государственного энергетического университета –2009, –Вып. 1. –С. 1416.5.Анисимова Ю.А. Применение финансовых инструментов в условиях либерализации российского рынка электрической энергии и мощности / Ю.А. Анисимова // Вестник СамГУПС. 2009. Т. 2. № 5. С. 117a121.6.Lisin E., Grigoryeva A. (2012). Generators’ strategic behaviour reserch based on the agent approach to the power market modeling. –Czech Journal of Social Sciences, Business and Economics, VOL. 1, ISSUE 1, pp. 7581. 7.Печерский, С.Л., Беляева, А.А. Теория игр для экономистов. Вводный курс.(Учебное пособие) –СПб.: Издво Европейского университета, 2001. –234 с.8.Федеральный закон от 26.03.2003 № 35ФЗ «Об электроэнергетике»: принят Гос. Думой 21.02.2003 г.; одобр. Советом Федерации 12.03.2003 г. [Электронный ресурс] // –Электрон. дан. –Режимдоступа: http://www.garant.ru. –Загл. с экрана.9.Министерство энергетики Российской Федерации [Электронный ресурс]. Режим доступа http://minenergo.gov.ru–свободный. Дата просмотра –20.11.2013.10.Московская энергетическая биржа –[Электронный ресурс]. Режим доступа http://www.itinvest.ru–свободный. Дата просмотра –15.09.2013
Anisimova Iuliia Alekseevna,
candidate of economicsciences, docent of the department «Finance and Credit» of Togliatti state university, TogliattiU.Anisimova@tltsu.ruENGINEERING FINANCIAL PRODUCTS ON THE BASIS OF CHOICE STRATEGIES OF CONDUCT FOR GENERATING COMPANIES OF MARKET ELECTRIC POWER Abstract.Described in the paper designing financial products based on the application of game theory in the competitive sector of the wholesale electricity market and power on the "dayahead market". Defining criterionfor selection is the profit generating company.Keywords:market electric power, game theory, financial products, regulation of the electricity market.
кандидат экономических наук, доцент кафедры «Финансы и кредит»ФГБОУ ВПО «Тольяттинский государственный университет», г. Тольятти U.Anisimova@tltsu.ru
Проектирование финансовых продуктов на основе выбора стратегии поведения генерирующих компаний на рынке электрической энергии
Аннотация:Встатьерассматривается возможность проектирования финансовых продуктов на основе применение теории игрв конкурентном секторе оптового рынка электроэнергии и мощности–на «рынке на сутки вперед». Определяющим критерием для выбора является прибыль генерирующей компании.Ключевые слова:рынок электроэнергии,теория игр, финансовые продукты, регулирование рынка электроэнергии.
В современных условиях мировая энергетика характеризуется обострением противоречий между основными участниками на международных энергетических рынках. Практика взаимодействий между производителями и потребителями энергоресурсов, сложившаяся в последней четверти XX века, уходитв прошлое.Научные исследования конца ХХ века демонстрируют значимость вопросов формирования стратегийгенерирующих компаний на рынках электроэнергии. Первые исследования моделирования рынка, проводимые Э. Чемберленом [1], отразили новую модель ценообразования в условиях небольшого числа продавцов. В дальнейшем различные модели поведения продавцов на товарных рынках были рассмотрены в трудах Джоан Робинсон [2], Джона фон Неймана и Оскара Моргенштерна [3]. В работе «Powersystemeconomics: designingmarketsforelectricity» Стивен Стофт [4] проводит исследования ценообразования, волантильности цен и маржинальных затрат на рынке электрической энергии. Среди зарубежных исследователей, применяющими теорию игр,следует отметить Д. Чаттопадхиай, Х. Сонг, Ж. Лаварре, П. Талацек. В своих исследованиях они используют теорию игр, статистику, генетические алгоритмы, цепи Маркова [3].В России также существует множество научных работ, посвященных исследуемой проблеме. Формирование стратегии на основе теории игр представлено в работе Д.А. Уланова, В.П. Жукова, Е.В. Барочкина, Г.В. Ледуховского [4].
В большинстве случаев генерирующие компании, определяя ту или иную стратегиюна рынке электроэнергии, не могут точно прогнозировать действия своих конкурентов. Соответственно следует учитывать несовпадение интересов генерирующих компаний и их возможное при этом поведение, так как исход ситуации в таком случае будет зависеть от взаимного влияния интересов участников. Принимая во внимание, что интересами участников является получение максимальной экономической выгоды. Для генерирующих компаний ориентиром является прибыль от реализации выработанной электрической энергии. Экономической выгодой для потребителей на оптовом рынке становится снижение затрат на приобретение необходимого количества энергии и снижение риска волантильности цен. Для энергоброкеров –максимальный доход по вариационной марже. [5]На оптовом рынке электроэнергии и мощности (ОРЭМ)инструментом для выбора наилучшей стратегии генерирующей компании и участников в условиях полной неопределенностиможет стать теория игр. В настоящее время вопросы
построения моделей, применительно к рынку электрической энергии, рассматриваются в работах Лисина Е.М. [6].Основополагающим предположением, которое играет ключевую роль в теорииигр, является рациональное поведение всех игроков [7]. Данное предположение означает,что каждый игрок при выборе своего поведения руководствуетсянекоторым алгоритмом действия, позволяющим максимизировать его индивидуальную функцию полезности. Не менее существенным является факт общеизвестности (общего знания) рациональности игроков[8].Взаимоотношения между продавцами электроэнергии могут быть описаны на основе двух основных направлений теории игр: некооперативной и кооперативной.Первый подход основан на ожиданиях участников рынка электрической энергии, как будут действовать остальные участники. Кооперативная теория, с другой стороны, изучает результаты, которые мы ожидаем[6].Рассмотрим формирование моделей игр на рынке электрической энергии.
Исходными условиями принимаем, что спрос на электроэнергию неэластичен и, следовательно, ценовыми заявками покупателей при формировании ценового предложения можно пренебречь. Под«игрой» будем понимать порядок отбора ценовых заявок администратором торговой системы (АТС).На российском рынке электроэнергии применяется узловая модель, при которой расчетная модель хаба определяет ценовой индикатор. Индексы средней цены в узловой модели не позволяют достичь полного хеджа –закрытия позиций.Отсутствиерегулируемых договоров (РД) и свободных двухсторонних договоров (СДД). Генерирующие компании,как поставщики электрической энергии, вынуждены принимать решения, в условиях противодействия другой стороне, которая может преследовать противоположные или иные цели. Причемэто противодействие противоположной стороны может носить пассивный или активный характер. В случае на оптовом рынке электрической энергии (ОРЭМ)нельзя утверждать, что генерирующие компании, преследующие свои собственные цели, сознательно противодействуютдостижению целей друг друга. С другой стороны, противгенерирующей компании могут выступать неопределенные факторы внешней среды, которые в теории игр называются «природой»–это неактивная сторона, которая явно не противодействует достижению намеченных генерирующей компанией целей. В этом случае генерирующая компания принимает решение, а «природа» не оказывает ей сознательного, агрессивного противодействия, но ее реальное поведение неизвестно. На ОРЭМ для приведения игры к парному виду всех участников игры (в данном случае генерирующие компаниии оптовых покупателей) можно условно разбить на две группы: Генерацию А (группа генерирующих компаний)и Покупатель В (оптовые покупатели). В таком случае на ОРЭМ возможны следующие модели игр (рис. 1).
Рисунок 1–Моделиигр генерирующих компаний на ОРЭМСитуации, когда между сторонами отсутствует «антагонизм», можно представить в виде игры с «природой». На ОРЭМв качестве «природы», не оказывающей агрессивного противодействия, могут выступать: колебания спроса; неясность погодных условий; ремонтные режимы станций; сезонность; регулирование со стороны Правительства, Системного оператора,Коммерческого оператора, Федеральной антимонопольной службы (ФАС);конкурентная среда и т.д. Зависимость выигрыша Генерации Аот степени регулирования можно представить в виде матрицы,элементами которой будут выступать выигрыши Генерации А, соответствующие iой стратегии при jом состоянии «природы».В качестве «природы» можно также рассмотреть действия конкурентов, приняв допущение о том, что выбирая стратегию, они не думают о поведении других участников игры.Выбор оптимальной стратегии игры с «природой» может быть произведен с использованием следующих классических критериев:1.Критерий крайнего пессимизма Вальда ориентирует игрока (генерирующую компанию) на наихудшие для него условия «природы» и, следовательно, на осторожное поведение при выборе стратегии. Данный критерий приемлем в тех случаях, когда игрок не столько хочет выиграть, сколько не хочет проиграть, получив следующий выигрыш:2. Максимаксный критерий, выступающий противоположным по смыслу критерию Вальда, является критерием крайнего оптимизма, поскольку ориентирует игрока (генерирующую компанию) на наилучшие условия «природы». Критерием учитывается, когда перед игроком стоит дилемма –либополучить наибольший выигрыш, либо стать банкротом.Функция выигрыша Генерации Аможно представитьследующим образом:
,(1)
ПокупательВМодель игры №1
«Игра с природой»Компания 1Компания n…Генерация А12Социальноэкономические, природноклиматические, административные факторыМодель игры №2«Биматричные игры»
где L–дневная прибыль; –равновесная цена на jый час суток; , –соответствующие значения цены и объема ценовой заявки в отношении генерирующего оборудования iрассматриваемой генерирующей компании на соответствующий jый час суток, g–количество единиц оборудования данной компании.Для биматричной игры на основе матриц игроков можно построить общую матрицу размером 4×4,элементами которой будут являться пары чисел: выигрыш первого игрока и выигрышвторого игрока .Выигрыши игроков соответствуют одновременно применяемым ими стратегиям.Функцию выигрыша ПокупателяВможно записать следующим образом:
,(2)
где
значения цены заявки в отношении генерирующего оборудования iгенерирующей компании kна соответствующий jый час суток;
–значения объема заявки в отношении генерирующего оборудования iгенерирующей компании kна соответствующий jый час суток, g–количество единиц оборудования игрока k;
r–количество генерирующих компаний в составе ГенерацииВ.Выделим два подхода к решению биматричных игр:1. Поиск равновесных ситуаций –определяютсяусловия, при которых возможно равновесие по Нэшу. Биматричная игра всегда имеет как минимум одну точку равновесия по Нэшу. При этом возможны следующие варианты:а) единственное равновесие по Нэшу в чистых стратегиях;б) единственное равновесиепо Нэшу в смешанных стратегиях;в) три равновесия по Нэшу –два в чистыхи одно в смешанных стратегиях;г) два равновесия по Нэшу в чистых стратегиях;д) континуум равновесий по Нэшу в смешанных стратегиях.2. Поиск ситуаций, оптимальных по Парето –находятся условия, при которых игроки совместными усилиями не могут увеличить выигрыш одного игрока, не уменьшив при этом выигрыш другого.Найти решение биматричной игры можно с помощью алгоритма Лемке–Хоусона.Необходимо учесть ограничения для применения стратегий, которые могут быть ограничены действующим законодательством и правилами торговли на рынке «на сутки вперед» (РСВ), налагаемыми различными регулирующими органами.В качестве регулирующих органов могут выступать ФАС, ФСТ, ОАО «АТС», и т.д.[8, 9]Внастоящее время на законодательном уровне действия генерирующих компаний могут повлечь за собой наступление как административной, так и уголовной ответственности. В результате выбора оптимальной стратегии участников ОРЭМ осуществляется выборфинансового инструмента на рынке на сутки вперед.[10]Следует ввести исходными условиядля проектирования финансового инструмента:1.Период исполнения Тисп.–календарный месяц.2.Часы поставки t–базовые или пиковые часы.3.Количество часов поставки .4.Объем поставки Vэ.5.Цена заключения контракта Pэ.
На основании исходных данных рассчитывают объем контракта () и его стоимость (). Фьючерсные контракты наиболее часто используютсякак финансовый инструмент на ОРЭМ с различными периодами исполнения и в совокупности узлов. Поскольку фьючерсные контракты изначально были предназначены для хеджирования рисков производителей и потребителей товаров, целесообразно рассмотреть применение в теории игр. Определение расчетной цены на фьючерсный контракт является основанием для расчетов вариационной маржи, установление границ колебания цены и размера страховых взносов. Значение, принимаемое как расчетная цена, соответствует цене на конец торговой сессии.В таблице 1приведен алгоритм определения расчетной цены фьючерсного контрактаисходе из рассматриваемых стратегий поведения участников рынка.Таблица 1
Сценарии определения расчетной цены фьючерсного контракта
Сценарий 1Сценарий 2Сценарий 3Условие Наличие активныхзаявок на покупку и продажу в узловой модели позволяет принять усредненное значение между ценами.Наличие активных заявок на покупку в узловой модели на момент окончания с большей (меньшей) ценой по отношению к предыдущей, позволяет принять цену данной заявки.Наличие активных заявок на продажу в узловой модели на момент окончания с большей (меньшей) ценой по отношению к предыдущей, позволяет принять цену данной заявки.
Окно заявок
ПродажаЦенаПокупкаПродажаЦенаПокупкаПродажаЦенаПокупка240741
240741
30740
30740
738100
738100
732200
732200
723900
723900
7001000
7001000
Расчетная ценаЦена на покупку –738 руб.Цена на продажу –740 руб.Усредненная цена –
руб.Предыдущая расчетная цена 732 руб. Активные заявки на продажу отсутствуют. Лучшая цена заявки на покупку 738 руб., т.е. выше предыдущей расчетной цены в 732 руб.Расчетная цена будет равна 738 руб.Предыдущая расчетная цена 740 руб. Активные заявки на покупку отсутствуют. Лучшая цена заявки на продажу 741 руб., т.е. выше предыдущей расчетной цены в 740 руб.Расчетная цена будет равна 741 руб.
В случае отсутствия активных заявок на покупку принимается предыдущая расчетная цена. Предположим, что в первом сценарии расчетная цена принимается как среднеарифметическое, во втором итретьем –цена равна цене лучшей активной заявки. По результатамвсех торговых дней определяется конечная расчетная цена рассматриваемого периода исполнения контракта. Определение конечной pрасчетной цены основано наобязательствах по расчетам. Принимая во внимание различные условия определения расчетной цены фьючерсного контракта: Расчетная цена .Значение конечной расчетной цены является основанием для определения гарантийного обеспечения и вариационной маржи по фьючерсным контрактам.Рассмотрим игру с «природой» для компании гененрирующей компании ОГК 7, где в качестве «природы» рассмотрим регулирование со стороны ФАС.ФАС занимается антимонопольным регулированием и выявлением фактов злоупотребления на рынке своим экономическим положением. Манипулирование
ценами на электрическую энергию может происходить путем совершения экономически и (или) технологически необоснованных действий, в том числе с использованием участниками исключительного (в том числе временного) положения на оптовом рынке (отдельных ценовых зонах оптового рынка), которые приводят к значительному изменению цен (цены) на электрическую энергию [8]. Как правило, манипулирование выражается в подаче участником завышенных (заниженных) цен в ценовых заявках или в уводе мощностей с рынка и создании искусственного дефицита. В настоящее время ФАС проводитпроверки соответствия ценовых заявок на продажу электроэнергии (мощности) требованию экономической обоснованности.Кодекс Российской Федерации об административных правонарушениях (КоАП РФ) предусматривает следующие санкции за злоупотребление доминирующим положением для субъектов естественной монополии.Игра с «природой» для ОГК7представлена в таблице 2, где Стратегия 1 –маржинальная стратегия; Стратегия 2 –финансовое изъятие; Стратегия 3 –физическое изъятие; Стратегия 4 –совместное физическое и финансовое изъятие.[10]Как можно заметить, регулирование со стороны ФАС выражается в виде снижения прибыли в результате наложения санкций за манипулирование ценамив результате совместных действий. Причем величина штрафа варьируется от 500 тыс. руб. до 1 млн. руб.Расчет дневной прибыли был произведен при допущении, что все прочие компании следуют маржинальной стратегии.Таблица 2Дневная прибыль ОГК7 при игре с «природой», млн. руб.
Игроки
«Природа»СтратегииНизкая степень регулированияСредняя степень РегулированияВысокая степень РегулированияОГК 7Стратегия 110.710.710.7Стратегия 210.710.710.7Стратегия 311.1210.6210.12Стратегия 411.1210.4210.12
Как можно заметить, в случае применения критерия крайнего пессимизма (критерий Вальда)наилучшей стратегией следует считать Стратегию 1, а в случае применения критерия крайнего оптимизма наилучшей стратегией следует –Стратегию 3.Выводы.В статье приведен анализ возможности применения теории игрв конкурентном секторе оптового рынка электроэнергии и мощности для разработки алгоритма выбора наилучшей стратегии генерирующей компании, позволяющий учесть возможные последствия реакции регулирующих организаций. В качестве критерия эффективности выбора наилучшей стратегии выступает дневная прибыль генерирующей компании.
Предложены сценарии проектирования финансового продукта на основе фьючерсного контрактас дальнейшей разработкой наилучшей стратегии ценообразования.Рассматривается применение игры с «природой» для компании ОГК7, осуществляющей свою хозяйственную деятельность на территории операционной
зоны ОДУ Поволжье, где в качестве «природы» исследуется регулирование со стороны ФАС. ФАС проводитпроверки соответствия ценовых заявок на продажу электроэнергии (мощности) требованию экономической обоснованности.Результаты данного исследования позволят генерирующим компаниям оценить возможный эффектот применения стратегий финансового и физического изъятия с учетом возможной реакции регулирующих органов на их действия.
Ссылки на источники1.Чемберлин Э. Теория монополистической конкуренции (Реориентация теории стоимости) / пер. с англ. Э. Г. Лейкина иЛ. Я. Розовского. –М.: Экономика, 1996. –351 с.2.Джоан Робинсон. Экономическая теория несовершенной конкуренции. М.: Прогресс, 19863.Филатов С.А. Модели и методы формирования оптимальных стратегий поведения генерирующих компаний на оптовом рынке электрической энергии: дис. канд. экон. наук. –СанктПетербург, 20054.Уланов Д.А., Жуков В.П., Барочкин E.В., Ледуховский Г.В. Оптимальная стратегия генерации электрической энергии на ТЭС // Вестник Ивановского государственного энергетического университета –2009, –Вып. 1. –С. 1416.5.Анисимова Ю.А. Применение финансовых инструментов в условиях либерализации российского рынка электрической энергии и мощности / Ю.А. Анисимова // Вестник СамГУПС. 2009. Т. 2. № 5. С. 117a121.6.Lisin E., Grigoryeva A. (2012). Generators’ strategic behaviour reserch based on the agent approach to the power market modeling. –Czech Journal of Social Sciences, Business and Economics, VOL. 1, ISSUE 1, pp. 7581. 7.Печерский, С.Л., Беляева, А.А. Теория игр для экономистов. Вводный курс.(Учебное пособие) –СПб.: Издво Европейского университета, 2001. –234 с.8.Федеральный закон от 26.03.2003 № 35ФЗ «Об электроэнергетике»: принят Гос. Думой 21.02.2003 г.; одобр. Советом Федерации 12.03.2003 г. [Электронный ресурс] // –Электрон. дан. –Режимдоступа: http://www.garant.ru. –Загл. с экрана.9.Министерство энергетики Российской Федерации [Электронный ресурс]. Режим доступа http://minenergo.gov.ru–свободный. Дата просмотра –20.11.2013.10.Московская энергетическая биржа –[Электронный ресурс]. Режим доступа http://www.itinvest.ru–свободный. Дата просмотра –15.09.2013
Anisimova Iuliia Alekseevna,
candidate of economicsciences, docent of the department «Finance and Credit» of Togliatti state university, TogliattiU.Anisimova@tltsu.ruENGINEERING FINANCIAL PRODUCTS ON THE BASIS OF CHOICE STRATEGIES OF CONDUCT FOR GENERATING COMPANIES OF MARKET ELECTRIC POWER Abstract.Described in the paper designing financial products based on the application of game theory in the competitive sector of the wholesale electricity market and power on the "dayahead market". Defining criterionfor selection is the profit generating company.Keywords:market electric power, game theory, financial products, regulation of the electricity market.
